지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 이세헌
- 발행연도
- 2019
- 저작권
- 한양대학교 논문은 저작권에 의해 보호받습니다.
이용수3
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
아크 용접에서 이면 비드의 발생은 용접 구조물의 기계적 특성을 결정 짓는 주요 요인 중 하나로 간주된다. 특히 선박용접의 경우 용접 자동화의 측면에서 실시간으로 용접의 상태를 반영하여 용접 파라미터를 결정하기가 매우 어렵다. 시스템상에서 용접의 진행상황에 따라 이면비드가 형성되었는지에 대한 판단이 필수적인 요건이다.
기존의 용접 상태를 판단하는 방법으로는 비드의 존재 또는 모양은 단면을 자르는 파괴 검사 또는 시각 또는 초음파를 사용하는 비파괴 검사로 관찰할 수 있다. 또한 최근에는 인공지능을 사용하여 용접의 상태를 진단하는 연구가 활발히 진행되고 있으며 특히 인공지능 기법으로는 딥러닝이 대두되고 있다.
본 연구에서는 딥러닝 기법인 심층신경망과 순환신경망을 적용하여 실시간으로 측정 한 전류 및 전압 신호를 이용하여 실시간으로 이면비드가 생성되었는지 판단하는 알고리즘을 개발하였다. 제안된 시스템은 추가적인 센서부착이 없어 산업 현장에 쉽게 접목할 수 있다. 기존 인공신경망과 딥러닝을 사용하여 학습을 진행하고 그 결과를 서로 비교하여 적절한 시스템을 결정하였다.
기존의 용접 상태를 판단하는 방법으로는 비드의 존재 또는 모양은 단면을 자르는 파괴 검사 또는 시각 또는 초음파를 사용하는 비파괴 검사로 관찰할 수 있다. 또한 최근에는 인공지능을 사용하여 용접의 상태를 진단하는 연구가 활발히 진행되고 있으며 특히 인공지능 기법으로는 딥러닝이 대두되고 있다.
본 연구에서는 딥러닝 기법인 심층신경망과 순환신경망을 적용하여 실시간으로 측정 한 전류 및 전압 신호를 이용하여 실시간으로 이면비드가 생성되었는지 판단하는 알고리즘을 개발하였다. 제안된 시스템은 추가적인 센서부착이 없어 산업 현장에 쉽게 접목할 수 있다. 기존 인공신경망과 딥러닝을 사용하여 학습을 진행하고 그 결과를 서로 비교하여 적절한 시스템을 결정하였다.
목차
제 1 장 서 론 11.1 연구 배경 및 목적 11.2 연구현황 및 내용 2제 2 장 가스 메탈 아크 용접 42.1 가스 메탈 아크용접의 원리 및 기초 42.2 가스 메탈 아크용접의 구성 52.3 용적 이행 62.4 용접 변수 8제 3 장 딥러닝을 이용한 모니터링 알고리즘 103.1 심층신경망 103.2 순환신경망 143.3 딥러닝기반 이면 비드 생성 판단 17제 4 장 이면비드 생성 모니터링 시스템 204.1 GMAW 실험 204.2 GMAW 실시간 모니터링 시스템 224.3 특징 벡터 추출 244.4 이면비드 생성 판단 254.4.1 DNN & RNN 시험 결과 254.4.2 ANN 시험 결과 274.4.3 결과 비교 및 분석 28제 5 장 결론 30References 31Abstract 33
최근 본 자료
댓글(0)
0